Rethinking Higher Education/ru/Chapter 11

Язык: RU · EN · ZH · ← Книга

Previous◀ ru

Rethinking_Higher_Education

Зелёное цифровое образование: устойчивое развитие, цифровая умеренность и экологическое сознание в университетах ЕС и Китая

Мартин Вёслер

Хунаньский педагогический университет

Аннотация

Цифровая трансформация высшего образования несёт скрытые экологические издержки, которые редко признаются в дискурсе образовательной политики. Дата-центры потребили 415 тераватт-часов электроэнергии в 2024 году — 1,5 процента мирового спроса на электроэнергию — и по прогнозам достигнут 945 ТВт·ч к 2030 году, растя в четыре раза быстрее любого другого сектора. Обучение одной большой языковой модели, такой как GPT-3, производит приблизительно 552 метрических тонны эквивалента CO2 — сопоставимо с годовыми выбросами 121 среднего американского домохозяйства. Годовое потребление цифрового контента генерирует 229 кг эквивалента CO2 на пользователя, что составляет приблизительно 3–4 процента антропогенных выбросов парниковых газов на душу населения. Однако сектор образовательных технологий в значительной степени избежал проверки на экологический след, даже когда университеты расширяют свою цифровую инфраструктуру под знамёнами инновации и доступности. В данной статье исследуется напряжение между цифровым образованием и экологической устойчивостью через систематическое сравнение подходов Европейского союза и Китая. ЕС разработал систему GreenComp для компетенций устойчивого развития и начинает рассматривать «цифровую умеренность» — принцип минимизации излишнего цифрового потребления — как образовательную цель. Китай продвигает «образование в области экологической цивилизации» как систему, интегрирующую экологическое сознание с более широкими цивилизационными целями, одновременно предпринимая крупнейшее в мире расширение цифровой образовательной инфраструктуры. Мы утверждаем, что обе системы сталкиваются с «парадоксом энергопотребления ИИ» — развёртывание искусственного интеллекта в образовании одновременно обещает повысить экологическое сознание и существенно усугубляет деградацию окружающей среды — и что ни одна из них не разработала пока адекватного ответа.

Ключевые слова: зелёное цифровое образование, устойчивое развитие, цифровая умеренность, экологическая цивилизация, углеродный след, дата-центры, парадокс энергопотребления ИИ, GreenComp, высшее образование, сравнение ЕС и Китая

1. Введение

Экологическая устойчивость цифрового образования — тема, которую большинство специалистов по образовательным технологиям предпочли бы не обсуждать. Цифровая трансформация высшего образования движима мощными нарративами прогресса: ИИ-персонализированное обучение, иммерсивная виртуальная реальность, глобальная связность и институциональная эффективность. Эти нарративы не ошибочны — сопутствующие главы данной антологии документируют подлинные образовательные преимущества цифровых технологий (Вёслер, данный том). Но они неполны, потому что систематически игнорируют материальную основу цифрового образования: серверы, сети, устройства и энергосистемы, которые делают его возможным, и экологические последствия их эксплуатации в масштабе.

Цифры отрезвляют. Международное энергетическое агентство сообщает, что дата-центры потребили 415 тераватт-часов электроэнергии в 2024 году, что составляет 1,5 процента мирового спроса на электроэнергию. Этот показатель по прогнозам достигнет 945 ТВт·ч к 2030 году — больше, чем всё потребление электроэнергии Японии — с темпами роста приблизительно 15 процентов в год, в четыре раза быстрее всех остальных секторов вместе взятых (IEA, 2025). Углеродные выбросы крупных технологических компаний резко возросли параллельно: выбросы парниковых газов Google увеличились на 48 процентов между 2019 и 2024 годами, а Microsoft — на 29 процентов с 2020 года, причём энергопотребление дата-центров определено как основной фактор (NPR, 2024). Анализ корпоративных отчётов об устойчивости показывает, что реальные выбросы дата-центров могут быть в 7,62 раза выше заявленных вследствие учётных практик, приравнивающих сертификаты возобновляемой энергии к фактическому потреблению возобновляемой энергии (Le Goff, 2025).

Для высшего образования эти цифры имеют прямое значение. Университеты — одни из крупнейших институциональных потребителей цифровой инфраструктуры, эксплуатирующие системы управления обучением, вычислительные исследовательские кластеры, платформы видеоконференцсвязи и — всё более — ИИ-инструменты для образования. Однако экологический след этой цифровой инфраструктуры почти никогда не включается в оценки устойчивости университетов. Уильямсон, Хоган и Селвин (2025) в главе для тома Springer по критическим исследованиям EdTech утверждают, что воздействие платформ образовательных технологий на окружающую среду «настойчиво игнорируется» в расчётах углеродного следа университетов, привлекая внимание к глобально распределённой, энергоёмкой ИТ-инфраструктуре, в которую университеты включены через свои партнёрства в области EdTech.

В данной статье исследуется, как Европейский союз и Китай — две крупнейшие системы высшего образования по числу учащихся — решают (или не решают) экологическое измерение своих стратегий цифрового образования. Мы сравниваем формирующуюся в ЕС систему компетенций устойчивости и цифровой умеренности с китайским образованием в области экологической цивилизации, оценивая каждую с точки зрения её способности противостоять экологическим издержкам цифровой инфраструктуры, на которую современное образование всё более полагается.

2. Углеродный след образовательных технологий

2.1 Дата-центры и обучение ИИ

Энергопотребление цифровой инфраструктуры имеет два основных компонента: операционная энергия дата-центров (включая охлаждение, которое может составлять 30–40 процентов общего энергопотребления) и встроенная энергия производства и утилизации оборудования. Для ИИ-систем конкретно третий компонент — энергия, потребляемая при обучении моделей — приобрёл всё большее значение.

Паттерсон и коллеги (2021) в исследовании специалистов Google и Калифорнийского университета в Беркли подсчитали, что обучение GPT-3 произвело приблизительно 552 метрических тонны эквивалента CO2 и потребило 1 287 мегаватт-часов электроэнергии. Стрюбелл, Ганеш и Маккаллум (2019) в работе, впервые привлёкшей широкое внимание к углеродным издержкам обучения больших языковых моделей, продемонстрировали, что обучение одной большой модели обработки естественного языка может произвести столько же углерода, сколько пять автомобилей за весь срок их эксплуатации. Эти цифры значительно выросли с разработкой более крупных моделей: GPT-4 и его преемники потребляют на порядки больше энергии, хотя точные данные не раскрываются публично.

Водный след ИИ вызывает не меньшую обеспокоенность. Ли и коллеги (2023) в исследовании, опубликованном в Communications of the ACM, подсчитали, что обучение GPT-3 в дата-центрах Microsoft в США непосредственно испарило 700 000 литров пресной воды. Глобальный спрос ИИ на воду по прогнозам достигнет 4,2–6,6 миллиарда кубических метров к 2027 году — больше, чем совокупный годовой водозабор четырёх-шести таких стран, как Дания. Де Фрис (2025), публикуясь в журнале Patterns издательства Cell Press, оценивает углеродный след ИИ-индустрии в 2025 году в 32,6–79,7 миллиона метрических тонн CO2, сопоставимо с совокупными выбросами Нью-Йорка, с водным следом 312,5–764,6 миллиарда литров.

Для университетов эти совокупные цифры транслируются в институциональную ответственность. Каждый раз, когда студент использует облачного ИИ-ассистента для письма, подаёт работу в систему обнаружения плагиата на основе ИИ или взаимодействует с ИИ-тьюторской системой, цифровая инфраструктура университета генерирует выбросы, невидимые для пользователя, но кумулятивно значительные. Сяо и коллеги (2025), публикуясь в Nature Sustainability, утверждают, что ИИ-индустрия США вряд ли достигнет целей нулевых нетто-выбросов к 2030 году без существенной опоры на «весьма неопределённые механизмы компенсации углерода и восстановления водных ресурсов».

2.2 Потребление цифрового контента

Помимо обучения ИИ, рутинная цифровая деятельность образования несёт собственные экологические издержки. Истрате и коллеги (2024) в исследовании, опубликованном в Nature Communications, подсчитали, что среднемировое годовое потребление цифрового контента — веб-просмотр, социальные сети, потоковое видео и музыка, видеоконференцсвязь — генерирует 229 кг эквивалента CO2 на пользователя в год, приблизительно 3–4 процента антропогенных выбросов парниковых газов на душу населения. При сценарии потепления на 1,5 градуса Цельсия это может составить приблизительно 40 процентов подушевого углеродного бюджета.

Для университетов последствия значительны. Один семестр онлайн-доставки курсов для тысяч студентов включает существенное потоковое видео, обмен файлами и взаимодействие с платформами. Каирд и Лейн (2024), публикуясь в Future Healthcare Journal, отмечают, что хотя цифровое обучение в целом имеет меньший углеродный след, чем очное обучение, когда учитываются транспортные расходы — поездки на очные конференции могут производить в 1 000 раз больше CO2, чем виртуальные альтернативы — сравнение менее благоприятно, когда включаются полные издержки жизненного цикла цифровой инфраструктуры.

2.3 Электронные отходы и жизненный цикл оборудования

Экологические издержки цифрового образования выходят за рамки энергопотребления и включают физические устройства, от которых оно зависит. Ускоряющийся темп замены оборудования в образовательных учреждениях — обусловленный требованиями программного обеспечения, институциональными циклами закупок и плановым устареванием потребительской электроники — генерирует растущий поток электронных отходов, который редко включается в дискуссии об устойчивом образовании.

Валай Ганеш и коллеги (2025) в исследовании, опубликованном в Scientific Reports, обследовали 452 электрических устройства в академических учреждениях Индии и обнаружили, что 32,1 процента были старше пяти лет, а 34,1 процента нуждались в ремонте или замене. Их предложенная система устойчивого управления электронными отходами продемонстрировала, что переработка на месте может достичь 90-процентного уровня извлечения материалов — однако такие системы требуют институциональных инвестиций и приверженности, которые большинство университетов ещё не обеспечили. Тхао, Хань и Хюй (2025) в исследовании Хошиминского технического университета, опубликованном в International Journal of Environmental Science and Technology, прогнозируют, что электронные отходы в одном университетском кампусе возрастут в 1,5 раза — с 16 792 кг в 2024 году до 25 230 кг в 2034 году, что отражает растущую аппаратную интенсивность цифрового образования.

Для китайских и европейских университетов в равной мере проблема электронных отходов усугубляется тенденцией к институциональным программам планшетов и ноутбуков, инициативам «одно устройство на каждого» и регулярной замене оборудования умных аудиторий. Когда университет развёртывает тысячи планшетов для инициативы цифрового обучения, образовательная польза может быть подлинной — но экологические издержки производства, эксплуатации и конечной утилизации этих устройств редко калькулируются. Концепция цифровой умеренности, рассматриваемая в следующем разделе, предлагает систему для устранения этого пробела.

3. Цифровая умеренность как образовательная цель

3.1 Происхождение и определение

Концепция «цифровой умеренности» (sobriété numérique) возникла во французском аналитическом центре The Shift Project, отчёт которого за 2019 год «Бережливые ИКТ: к цифровой умеренности» определил её как принцип приобретения наименее мощного возможного оборудования, максимально редкой замены устройств и сокращения излишних энергоёмких цифровых практик. Отчёт оценил, что энергопотребление ИКТ растёт на 9 процентов ежегодно, и утверждал, что подход умеренности мог бы ограничить рост до 1,5 процента (The Shift Project, 2019).

В образовании цифровая умеренность получила признание через решение ЮНЕСКО 2024 года присудить Премию короля Хамада бин Исы Аль Халифы за ИКТ в образовании бельгийской инициативе EducoNetImpact, продвигающей устойчивые цифровые практики в школах. Приблизительно 1 000 учителей в настоящее время используют её материалы (ЮНЕСКО, 2024). Это признание сигнализирует о том, что международное образовательное сообщество начинает осознавать экологическое измерение образовательных технологий — хотя масштаб ответа остаётся скромным по сравнению с масштабом проблемы.

3.2 Система ЕС: DigComp и GreenComp

Подход ЕС к устойчивости в цифровом образовании опирается на две комплементарные системы. Система DigComp 2.2 (Vuorikari, Kluzer and Punie, 2022) включает примеры, связанные с устойчивостью, в пять областей компетенций, затрагивая экологические последствия использования цифровых технологий. Однако цифровая умеренность не названа явно как измерение компетенции в DigComp 2.2 — пробел, указывающий на то, что разработка системы не в полной мере отразила формирующиеся экологические обеспокоенности.

Система GreenComp (Bianchi, Pisiotis and Cabrera Giraldez, 2022), опубликованная Объединённым исследовательским центром ЕС, предоставляет комплементарную систему с четырьмя областями компетенций: воплощение ценностей устойчивости, принятие сложности устойчивости, видение устойчивого будущего и действие для устойчивости. Её 12 компетенций разработаны как непредписывающие ориентиры для учебных схем в формальном и неформальном образовании.

Проект GreenSCENT (Horizon 2020, 2021–2024) протестировал практическое применение тем Зелёного курса приблизительно в 45 школах и университетах по всему ЕС, создав ECCEL — европейские «права» на климатические и экологические компетенции (Европейская комиссия, 2021–2024). Редактированный том Макдонах, Кафорио и Поллини (2024) «Европейский Зелёный курс в образовании», опубликованный Routledge, предоставляет тематические исследования из проекта, документируя первые опубликованные применения тем Зелёного курса в аудиторных условиях.

Калис и коллеги (2025) в исследовании 896 будущих учителей, опубликованном в Humanities and Social Sciences Communications, обнаружили лишь «умеренный уровень» осведомлённости об углеродном следе цифровых технологий. Участники демонстрировали более сильное понимание воздействия электронных устройств, чем воздействия передачи данных — то есть они понимали, что производство ноутбука имеет экологические издержки, но были менее осведомлены о том, что потоковая трансляция видеолекции или использование облачного ИИ-инструмента также генерирует выбросы. Женщины-участницы демонстрировали значительно более высокий уровень осведомлённости, чем мужчины. Этот вывод вызывает особую обеспокоенность: если сами учителя не осведомлены об экологических издержках цифровых технологий, нельзя ожидать, что они будут формировать эту осведомлённость у студентов.

На институциональном уровне отчёт Европейской ассоциации университетов 2023 года «Дорожная карта Зелёного курса для университетов», основанный на опросе почти 400 учреждений из 56 систем высшего образования, показал, что значительное большинство европейских университетов либо включили устойчивость в свою основную институциональную стратегию, либо разработали специальные стратегии устойчивости. Однако большинство учреждений призвали к расширенному финансированию и бо́льшим возможностям взаимного обучения (EUA, 2023). Рекомендации отчёта охватывают общественное вовлечение, исследования, преподавание и эксплуатацию кампуса — однако экологические издержки цифровой инфраструктуры не получают отдельного рассмотрения, что указывает на то, что даже приверженные устойчивости учреждения ещё не интегрировали цифровую умеренность в свои экологические стратегии.

Растущее значение отчётности по устойчивости в высшем образовании отражено в расширении Рейтинга воздействия Times Higher Education, измеряющего вклад университетов в Цели устойчивого развития ООН. Урбано и коллеги (2025) в анализе, опубликованном в Journal of Cleaner Production, обнаружили, что в рейтинге 2024 года приняли участие 1 963 учреждения — на 23 процента больше, чем в предыдущем году — демонстрируя растущую институциональную приверженность отчётности по устойчивости. Однако методология рейтинга не включает специфических метрик выбросов цифровой инфраструктуры, создавая значительное слепое пятно в иначе комплексной системе оценки.

4. Подход Китая: образование в области экологической цивилизации

4.1 Экологическая цивилизация как образовательная система

Подход Китая к экологическому образованию формулируется не через «устойчивость» в западном смысле, а через концепцию «экологической цивилизации» (生态文明, шэнтай вэньмин) — всеобъемлющую систему, интегрирующую охрану окружающей среды с экономическим развитием, социальным управлением и цивилизационной идентичностью. Ван и коллеги (2025) в главе для Справочника по экологической цивилизации издательства Springer прослеживают эволюцию образования в области экологической цивилизации как ключевого проекта устойчивого развития Китая, отмечая его интеграцию в образовательную политику на всех уровнях.

Образование в области экологической цивилизации отличается от европейского образования в области устойчивости в нескольких важных отношениях. Во-первых, оно явно политическое: концепция была закреплена в уставе Коммунистической партии Китая в 2012 году и включена в национальную конституцию в 2018 году, придав ей юридический статус, которого лишены европейские системы устойчивости. Во-вторых, оно всеобъемлюще по масштабу: экологическая цивилизация охватывает не просто охрану окружающей среды, а трансформацию отношений между человеческой цивилизацией и природным миром. В-третьих, оно государственно-направленное, а не гражданско-ориентированное: тогда как GreenComp наделяет отдельных граждан полномочиями для устойчивого выбора, образование в области экологической цивилизации позиционирует индивидов в рамках коллективного проекта национальной трансформации.

Чжоу (2024) в исследовании, опубликованном в Social Inclusion, рассматривает переход от Образования для устойчивого развития (ОУР) к экологической цивилизации в Китае через призму климатической справедливости. Анализ обнаруживает, что экологическая цивилизация сильно политизирована, ограничена преимущественно экологической устойчивостью (при пренебрежении социальными и экономическими измерениями), а заинтересованные стороны в образовании недопредставлены в процессах принятия решений. Эти выводы указывают на то, что хотя система амбициозна по масштабу, её реализация «сверху вниз» может ограничивать её способность стимулировать тот тип критического, партисипативного экологического вовлечения, который предусматривает система GreenComp.

Тянь и коллеги (2024) в библиометрическом обзоре 25 лет китайских исследований ОУР, опубликованном в Humanities and Social Sciences Communications, с использованием тематического моделирования LDA и анализа социальных сетей выявляют паттерн «восходящий — нисходящий» публикаций с обширным пространством для расширения. Сдвиг от международно согласованных целей устойчивости к локализованной, политизированной системе в рамках концепции экологической цивилизации Си Цзиньпина определён как определяющая характеристика китайского ОУР — траектория, обладающая как сильными сторонами (политическая приверженность, институциональная поддержка), так и ограничениями (сниженная критическая вовлечённость, ограниченная международная сопоставимость).

4.2 Двойные углеродные цели Китая и высшее образование

Отличительной чертой подхода Китая является прямая интеграция национальных климатических целей в политику высшего образования. В 2022 году Министерство образования издало «Рабочую программу по созданию системы подготовки кадров высшего образования для достижения пика выбросов и углеродной нейтральности» (加强碳达峰碳中和高等教育人才培养体系建设工作方案), обязывающую университеты создавать новые факультеты, курсы и профессиональные программы в соответствии с двойными углеродными целями Китая — достижением пика выбросов к 2030 году и углеродной нейтральности к 2060 году. К 2022 году 21 бакалаврская программа была непосредственно связана с двойными углеродными обязательствами, охватывая новую энергетику, умные электросети, улавливание и хранение углерода, водородную энергетику и большие данные для экологических ресурсов (Министерство образования, 2022).

Эта политика представляет более прямое вмешательство в разработку учебных программ, чем всё, что было предпринято в ЕС, где образование в области устойчивости остаётся в значительной мере добровольным и инициируемым учреждениями. Мандат на двойное углеродное образование отражает более широкую философию управления Китая: когда государство определяет стратегический приоритет, от университетов ожидается соответствующая адаптация программ. Производит ли этот подход «сверху вниз» более глубокое экологическое вовлечение, чем основанная на системах компетенций подход ЕС «снизу вверх», — остаётся открытым эмпирическим вопросом.

Ван и коллеги (2023) в исследовании, опубликованном в Journal of Cleaner Production, разработали новую гибридную методологию LEAP-LCA для оценки углеродного следа кампуса китайского университета средних размеров. Они обнаружили, что потребление электроэнергии вызвало 77 процентов общих углеродных выбросов кампуса и что предложенные меры по сокращению выбросов — фотовольтаика, повышение энергоэффективности, электрификация — могли бы снизить выбросы на 97 процентов к 2060 году, причём одна лишь декарбонизация электроснабжения обеспечила бы 64,7 процента сокращения. Эти данные указывают на значительный потенциал китайских университетов в области сокращения углеродных выбросов, однако реализация этого потенциала требует инвестиций в инфраструктуру и институциональной приверженности, которые не могут быть достигнуты одной лишь реформой учебных программ.

4.3 Инициативы зелёного кампуса

Подход Китая к зелёному цифровому образованию воплощает характерное напряжение. С одной стороны, правительство осуществляет крупнейшее в мире расширение цифровой образовательной инфраструктуры — Национальная платформа умного образования, обслуживающая 293 миллиона студентов, практически всеобщее школьное широкополосное подключение, обязательное обучение ИИ с сентября 2025 года. С другой — оно одновременно продвигает образование в области экологической цивилизации и инициативы зелёных кампусов.

Юань и коллеги (2024) в исследовании, опубликованном в International Journal of Chinese Education, рассматривают Пекинскую программу зелёных школ на примере 98 начальных и средних школ, документируя роль программы как инструмента ОУР для достижения ЦУР. Цзоу и коллеги (2024), публикуясь в Journal of Cleaner Production, предлагают четырёхмерную систему — зелёное образование, зелёные исследования, зелёный кампус и зелёная жизнь — для цифровизации инициатив зелёного университета, утверждая, что цифровые технологии могут способствовать вовлечению сообщества, поддерживать зелёные инновации, сокращать углеродный след кампуса и формировать экологическое сознание.

Эти инициативы реальны и ценны, но они непосредственно не устраняют экологические издержки самой цифровой инфраструктуры. Напряжение между цифровым расширением и экологической устойчивостью признаётся в китайском политическом дискурсе, но ещё не разрешено на практике. Более 200 китайских университетов внедрили системы управления энергопотреблением кампуса, отражая растущую институциональную осведомлённость об энергопотреблении — но эти системы, как правило, не включают энергию, потребляемую облачными образовательными платформами, которая генерируется в дата-центрах, расположенных, возможно, за тысячи километров от кампуса.

5. Парадокс энергопотребления ИИ

Наиболее острое напряжение в зелёном цифровом образовании — то, что мы называем «парадоксом энергопотребления ИИ». Искусственный интеллект одновременно является наиболее энергоёмким компонентом цифрового образования и технологией, наиболее часто привлекаемой как решение экологических проблем. ИИ-системы обещают оптимизировать энергопотребление, моделировать изменение климата, персонализировать образование в области устойчивости и выявлять паттерны в экологических данных, которые человеческий анализ обнаружить не в состоянии. Однако энергия, необходимая для обучения и эксплуатации этих систем, растёт темпами, грозящими поглотить все выгоды от повышения эффективности.

Этот парадокс проявляется в форме, известной в экономике как «эффект отскока» или Парадокс Джевонса: повышение эффективности ведёт к увеличению потребления, а не к снижению использования ресурсов. Исследование 2025 года в Frontiers in Energy Research систематически обозревает 150 статей об эффекте отскока в устойчивом развитии, основанном на ИИ, обнаруживая, что ИИ-обусловленная эффективность снижает энергию на единицу продукции, но часто ведёт к более высокому общему потреблению, потенциально сводя на нет экологические преимущества.

Для университетов парадокс непосредствен. Развёртывание ИИ-адаптивной обучающей системы может улучшить образовательные результаты (как документировано в сопутствующих главах об ИИ в обучении языкам и университете будущего), но одновременно увеличивает цифровое энергопотребление университета. Системы устойчивости Европейской комиссии и образование Китая в области экологической цивилизации лишены механизмов для взвешивания этих компромиссов: экологические издержки образовательных технологий просто не являются частью расчёта.

Селвин (2021) в наиболее прямом академическом рассмотрении этого вопроса предлагает подход «EdTech в пределах», требующий фундаментальных сдвигов в мышлении об образовательных технологиях. Вместо того чтобы спрашивать, как технологии могут улучшить образование, Селвин утверждает, что мы должны спрашивать, какой уровень технологий совместим с экологической устойчивостью — и принять, что ответ может подразумевать меньше, а не больше цифровой инфраструктуры.

5.1 Зелёный ИИ как частичный ответ

Формирующаяся область «зелёного ИИ» предлагает технические подходы к снижению экологических издержек искусственного интеллекта, хотя она не может полностью устранить парадокс. Таббах и коллеги (2024) в комплексной системе, опубликованной в Discover Sustainability, обозревают техники, включая обрезку моделей, квантование и дистилляцию знаний, которые могут существенно снизить энергопотребление инференции ИИ — текущие операционные затраты на выполнение обученных моделей. Они также обозревают инструменты, такие как CodeCarbon и Carbontracker, позволяющие исследователям измерять и отчитываться об углеродном следе своих ИИ-экспериментов.

Паула и коллеги (2025) в сравнительном анализе, опубликованном в Scientific Reports, демонстрируют, что применение техник сжатия моделей к трансформерным моделям может достичь 32-процентного снижения энергопотребления для моделей типа BERT. Сжатые большие модели могут соответствовать или приближаться к эффективности целевых малых моделей, что указывает на то, что ИИ-приложения в образовании не обязаны опираться на наиболее ресурсоёмкие архитектуры. Для университетов, развёртывающих ИИ-тьюторские системы или инструменты автоматизированного оценивания, эти данные означают, что выбор эффективных модельных архитектур — или требование к поставщикам демонстрации энергоэффективности их продуктов — может значимо сократить экологический след ИИ-инструментов в образовании.

Однако техники зелёного ИИ устраняют лишь эффективность отдельных систем, но не совокупный рост развёртывания ИИ. Если каждое ИИ-приложение становится на 32 процента эффективнее, но число ИИ-приложений удваивается, общее энергопотребление по-прежнему растёт — классическая иллюстрация Парадокса Джевонса. Технические решения зелёного ИИ необходимы, но недостаточны; они должны сочетаться с институциональной дисциплиной цифровой умеренности.

6. Сравнительный анализ

Подходы ЕС и Китая к зелёному цифровому образованию отражают их более широкие философии управления и выявляют комплементарные сильные и слабые стороны, заслуживающие систематического сравнения.

6.1 Управление и реализация

Основанный на системах подход ЕС — GreenComp, DigComp 2.2, Зелёный курс, проект GreenSCENT, Дорожная карта Зелёного курса для университетов EUA — обеспечивает концептуальную ясность и расширение прав граждан, но испытывает трудности с внедрением. Цифровая умеренность признана как концепция, но ещё не интегрирована в образовательную практику в масштабе. Экологические издержки EdTech-платформ признаются в академической литературе, но не в политических системах или закупочных решениях. Подход ЕС — «снизу вверх»: он наделяет учреждения и индивидов полномочиями для устойчивого выбора, но не может заставить их это делать.

Государственный подход Китая достигает стремительного развёртывания как цифровой инфраструктуры, так и образования в области экологической цивилизации, однако два потока функционируют в значительной мере параллельно. Национальная платформа умного образования и Программа зелёных школ сосуществуют без системы для устранения их потенциальных противоречий. Рабочая программа Министерства образования 2022 года по двойному углеродному образованию демонстрирует способность к быстрой системной реформе учебных программ — 21 новая бакалаврская программа создана в рамках одного политического цикла — но фокусируется на подготовке студентов для зелёной экономики, а не на сокращении экологического следа самой образовательной системы. Акцент на экологической цивилизации как всеобъемлющем мировоззрении предоставляет философский ресурс, которого лишены европейские системы — язык цивилизационной трансформации — но его реализация «сверху вниз» ограничивает инновации «снизу вверх» и критическое вовлечение.

6.2 Парадокс устойчивости

Исследование 2026 года в Humanities and Social Sciences Communications выявляет «парадокс устойчивости» в цифровом образовании: в экологическом плане цифровое образование может сократить транспортное и материальное воздействие, но увеличивает спрос на энергию; в социальном — может расширить доступ, но углубить неравенство. Этот двумерный парадокс присутствует как в европейском, так и в китайском контексте, хотя проявляется по-разному.

В ЕС парадокс проявляется прежде всего как напряжение между зелёными устремлениями и рыночными реалиями. Европейские университеты всё активнее принимают стратегии устойчивости, но их закупочные решения в области EdTech определяются функциональностью и стоимостью, а не экологическим воздействием. Опрос EUA выявил широкую приверженность устойчивости в принципе, но конкретные механизмы сокращения цифрового экологического следа — энергоэффективные критерии закупок, углеродные бюджеты для облачных сервисов, институциональные политики развёртывания ИИ — остаются редкостью.

В Китае парадокс проявляется как напряжение между одновременными обязательствами государства по цифровому расширению и экологической цивилизации. Амбиция построить наиболее технологически продвинутую образовательную систему мира находится в прямом напряжении с амбицией достижения углеродной нейтральности к 2060 году. Вывод Вана и коллег (2023) о том, что на электроэнергию приходится 77 процентов углеродных выбросов кампуса, подчёркивает масштаб этого вызова: по мере расширения цифровой инфраструктуры растёт и спрос на электроэнергию, генерирующий выбросы кампуса.

6.3 Исследовательские траектории

Исследовательские ландшафты обоих регионов отражают эти различия в управлении. Библиометрический анализ Тяня и коллег (2024) по китайским исследованиям ОУР выявляет область, всё более формируемую отечественными политическими системами, а не международным дискурсом устойчивости. Европейские исследования, напротив, остаются более международно связанными, но менее политически интегрированными — производя изощрённые анализы, которые могут не транслироваться в политические изменения. Ни одна из исследовательских традиций ещё не произвела всеобъемлющей системы интеграции цифровой умеренности с более широкими целями устойчивости в высшем образовании.

7. Рекомендации

На основе нашего сравнительного анализа мы предлагаем семь рекомендаций для университетов, стремящихся интегрировать экологическую устойчивость в свои стратегии цифрового образования.

Во-первых, включить цифровую инфраструктуру в институциональный углеродный учёт. Экологические издержки облачных вычислений, ИИ-сервисов и платформенных подписок должны калькулироваться и отчитываться наряду с традиционными метриками энергопотребления. Рейтинг воздействия THE и аналогичные оценочные системы должны разработать специфические индикаторы выбросов цифровой инфраструктуры. Вывод Урбано и коллег (2025) о том, что 1 963 учреждения в настоящее время участвуют в рейтингах воздействия, демонстрирует институциональную готовность к вовлечению в метрики устойчивости — но сами метрики должны быть расширены, чтобы включить цифровое измерение.

Во-вторых, принять цифровую умеренность как принцип проектирования образовательных технологий. Закупочные решения должны включать оценку экологического воздействия наряду с функциональностью и стоимостью. Излишнее цифровое потребление — обязательное включение видеокамеры на лекциях, чрезмерное выделение облачного хранилища, дублирующие платформенные подписки и рутинное развёртывание ИИ-инструментов для задач, не требующих их использования — должно выявляться и сокращаться. Оригинальная рекомендация The Shift Project «приобретать наименее мощное возможное оборудование и менять устройства максимально редко» непосредственно применима к закупкам образовательных технологий.

В-третьих, интегрировать экологическую осведомлённость в образование цифровой грамотности. Экологические издержки цифровой деятельности должны быть частью учебной программы по цифровой компетенции, а не отдельным модулем устойчивости. Вывод Калис и коллег (2025) о том, что будущие учителя обладают лишь умеренной осведомлённостью об углеродном следе цифровых технологий, указывает на то, что программы подготовки учителей срочно нуждаются в включении этого измерения. Студенты, изучающие ИИ, должны также узнавать об энергопотреблении и водном следе ИИ; студенты, использующие облачные обучающие платформы, должны понимать инфраструктуру, которая делает их возможными.

В-четвёртых, разработать институциональные метрики для парадокса энергопотребления ИИ. Университеты, развёртывающие ИИ в образовании, должны быть обязаны демонстрировать, что образовательные преимущества оправдывают экологические издержки — или, как минимум, что экологические издержки были рассчитаны и минимизированы. Техники зелёного ИИ, такие как сжатие моделей (Paula et al., 2025) и эффективные архитектуры (Tabbakh et al., 2024), должны быть критериями закупочных решений в области ИИ, а не второстепенными соображениями.

В-пятых, обеспечить управление электронными отходами через институциональное управление жизненным циклом. Растущая аппаратная интенсивность цифрового образования генерирует электронные отходы, которые, как правило, невидимы в оценках устойчивости. Демонстрация Валай Ганеша и коллег (2025) того, что переработка на месте может достичь 90-процентного уровня извлечения материалов, указывает на то, что университеты могли бы значительно сократить свой экологический след электронных отходов при относительно скромных институциональных инвестициях. Продление сроков службы устройств через программы ремонта и выбор долговечного, модернизируемого оборудования дополнительно снизили бы экологическое воздействие.

В-шестых, поддержать исследования устойчивых образовательных технологий. Академическое сообщество должно инвестировать в исследования энергоэффективных технологий обучения, эффективных ИИ-архитектур для образовательных приложений и педагогических подходов, достигающих эквивалентных результатов с меньшей цифровой инфраструктурой. Методология LEAP-LCA Вана и коллег (2023) для оценки углеродного следа кампуса могла бы быть адаптирована для включения выбросов цифровой инфраструктуры, предоставив университетам комплексный инструмент экологического учёта.

В-седьмых, создать диалог ЕС–Китай по зелёному цифровому образованию. Концептуальные системы ЕС (GreenComp, цифровая умеренность) и реализационная способность Китая (мандаты двойного углеродного образования, стремительная реформа учебных программ) представляют комплементарные сильные стороны. Структурированный диалог — потенциально в рамках Центра передового опыта Жана Монне — мог бы ускорить разработку практических подходов к экологическим вызовам, с которыми обе системы сталкиваются. Опыт Китая в обязательной реформе учебных программ для двойных углеродных целей мог бы информировать европейские усилия по масштабированию образования в области устойчивости, тогда как система цифровой умеренности ЕС могла бы помочь Китаю устранить экологические издержки его расширения цифрового образования.

8. Заключение

Цифровая трансформация высшего образования не является экологически нейтральной. Дата-центры потребляют 415 ТВт·ч электроэнергии ежегодно, и этот показатель растёт. Обучение ИИ генерирует сотни метрических тонн CO2 и испаряет сотни тысяч литров пресной воды. Потребление цифрового контента составляет 3–4 процента подушевых выбросов. Электронные отходы от образовательных технологий по прогнозам вырастут на 50 процентов в течение десятилетия. Эти факты — не аргументы против цифрового образования — преимущества, задокументированные в данной антологии, реальны и значительны. Но они являются аргументами в пользу экологической честности: за признание издержек наряду с преимуществами и за проектирование систем образовательных технологий, минимизирующих экологический ущерб, а не игнорирующих его.

ЕС и Китай привносят различные ресурсы в решение этого вызова. ЕС разработал изощрённые концептуальные системы — GreenComp, DigComp 2.2, цифровую умеренность — которые предоставляют язык для обсуждения экологических издержек цифрового образования, а его интеграция Зелёного курса в образование через проекты, подобные GreenSCENT, представляет подлинный, хотя пока скромный шаг к практике. Китай продемонстрировал способность к стремительной системной реформе учебных программ через мандат двойного углеродного образования и встроил экологическую цивилизацию в свои конституционные и образовательные системы — обеспечив глубину политической приверженности, которой не могут соответствовать европейские добровольные подходы.

Однако ни одна из систем не разработала адекватного ответа на парадокс энергопотребления ИИ — некомфортную реальность того, что наиболее мощные образовательные технологии одновременно являются наиболее экологически затратными. Техники зелёного ИИ предлагают частичное смягчение, но Парадокс Джевонса указывает на то, что выигрыш в эффективности будет поглощён растущим спросом, если институциональная дисциплина не ограничит развёртывание. Будущие учителя, опрошенные Калис и коллегами (2025) — завтрашние педагоги — обладают лишь умеренной осведомлённостью об углеродном следе цифровых технологий, что указывает на сохранение проблемы без целенаправленного учебного вмешательства.

Разработка адекватного ответа на эти вызовы — одна из важнейших задач, стоящих перед высшим образованием в ближайшее десятилетие. Она требует не меньше технологий, а более умных технологий — и институциональной готовности спросить перед каждым цифровым развёртыванием, оправдывает ли образовательная польза экологические издержки. Сравнение ЕС и Китая указывает на то, что ответ потребует как концептуальной изощрённости, так и реализационной способности — тех сильных сторон, которые каждая из систем может привнести в общий глобальный вызов.

Благодарности

Данное исследование выполнено в рамках Центра передового опыта Жана Монне «EUSC-DEC» (Грант ЕС 101126782, 2023–2026). Автор благодарит членов Исследовательских групп 1 и 5 за их вклад в сравнительный анализ политики устойчивости и цифрового образования.

Литература

Bianchi, G., Pisiotis, U. & Cabrera Giraldez, M. (2022). GreenComp: The European sustainability competence framework. Publications Office of the European Union, Luxembourg. JRC128040. DOI: 10.2760/13286

Calis, S., Kahraman, N., Zeren Ozer, D. & Ergul, N. R. (2025). Determining the digital carbon footprint awareness of pre-service teachers. Humanities and Social Sciences Communications, 12, Article 1678. DOI: 10.1057/s41599-025-05944-z

Caird, S. & Lane, A. (2024). Digital learning, face-to-face learning and climate change. Future Healthcare Journal, 11(3), 100156. DOI: 10.1016/j.fhj.2024.100156

De Vries, A. (2026). The carbon and water footprints of data centers and what this could mean for artificial intelligence. Patterns, 7(1), 101430. DOI: 10.1016/j.patter.2025.101430

European Commission. (2021–2024). GreenSCENT — Smart Citizen Education for a Green Future. Horizon 2020 Project ID: 101036480.

European University Association. (2023). A Green Deal Roadmap for Universities. Brussels: EUA.

IEA. (2025). Energy and AI. IEA, Paris. Available at: https://www.iea.org/reports/energy-and-ai

Istrate, R. et al. (2024). The environmental sustainability of digital content consumption. Nature Communications, 15, Article 3724. DOI: 10.1038/s41467-024-47621-w

Le Goff, T. (2025). Not greenwashing, but still... A closer look at big tech's 2025 sustainability reports. Internet Policy Review.

Li, P., Yang, J., Islam, M. A. & Ren, S. (2023). Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models. Communications of the ACM. DOI: 10.1145/3724499

McDonagh, S. A., Caforio, A. & Pollini, A. (Eds.) (2024). The European Green Deal in Education. Routledge. DOI: 10.4324/9781003492597

Ministry of Education of the People's Republic of China. (2022). Work Program for Building a Strong Carbon Peak Carbon Neutral Higher Education Talent Training System. Beijing: Ministry of Education.

NPR. (2024, July 12). AI brings soaring emissions for Google and Microsoft. NPR.

Patterson, D. et al. (2021). Carbon Emissions and Large Neural Network Training. arXiv:2104.10350. DOI: 10.48550/arXiv.2104.10350

Paula, E., Soni, J., Upadhyay, H. & Lagos, L. (2025). Comparative analysis of model compression techniques for achieving carbon efficient AI. Scientific Reports, 15, Article 23461. DOI: 10.1038/s41598-025-07821-w

Selwyn, N. (2021). Ed-Tech Within Limits: Anticipating educational technology in times of environmental crisis. E-Learning and Digital Media, 18(5), 496–510. DOI: 10.1177/20427530211022951

Strubell, E., Ganesh, A. & McCallum, A. (2019). Energy and Policy Considerations for Deep Learning in NLP. Proceedings of the 57th Annual Meeting of the ACL, pp. 3645–3650. DOI: 10.18653/v1/P19-1355

Tabbakh, A., Al Amin, L., Islam, M., Mahmud, G. M. I., Chowdhury, I. K. & Mukta, M. S. H. (2024). Towards sustainable AI: A comprehensive framework for Green AI. Discover Sustainability, 5, Article 408. DOI: 10.1007/s43621-024-00641-4

Thao, T. Q., Hanh, T. H. & Huy, N. N. (2025). Sustainable e-waste management in higher education institutions: case study of Ho Chi Minh City University of Technology. International Journal of Environmental Science and Technology, 22, 6423–6434. DOI: 10.1007/s13762-024-06012-w

Tian, W., Ge, J., Zheng, X., Zhao, Y., Deng, T. & Yan, H. (2024). Understanding the landscape of education for sustainable development in China: A bibliometric review and trend analysis of multicluster topics (1998–2023). Humanities and Social Sciences Communications, 11, Article 1213. DOI: 10.1057/s41599-024-03713-y

The Shift Project. (2019). Lean ICT: Towards Digital Sobriety. Paris: The Shift Project.

UNESCO. (2024). UNESCO Prize for ICT in education steers digital learning for greening.

Urbano, V. M., Arena, M., Azzone, G. & Mayeres, M. (2025). Sustainable development in higher education: An in-depth analysis of Times Higher Education Impact Rankings. Journal of Cleaner Production, 501, 145302. DOI: 10.1016/j.jclepro.2025.145302

Valai Ganesh, S., Suresh, V., Rajakarunakaran, S. et al. (2025). Sustainable electronic waste management framework for academic institutions in India. Scientific Reports, 15, Article 40550. DOI: 10.1038/s41598-025-24278-z

Vuorikari, R., Kluzer, S. & Punie, Y. (2022). DigComp 2.2: The Digital Competence Framework for Citizens. EUR 31006 EN, Publications Office of the European Union. DOI: 10.2760/115376

Wang, C., Parvez, A. M., Mou, J., Quan, C., Wang, J., Zheng, Y., Luo, X. & Wu, T. (2023). The status and improvement opportunities towards carbon neutrality of a university campus in China. Journal of Cleaner Production, 414, 137521. DOI: 10.1016/j.jclepro.2023.137521

Wang, Y., Chen, X., Liu, F. & Gong, Q. (2025). Ecological Civilization Education in China. In: Peters, M. A. et al. (Eds.), Handbook of Ecological Civilization. Springer. DOI: 10.1007/978-981-97-8101-0_43-1

Williamson, B., Hogan, A. & Selwyn, N. (2025). Digital Emissions: Edtech Platforms and the Extended Carbon Relations of Higher Education Institutions. In: Critical EdTech Studies. Springer. DOI: 10.1007/978-3-031-88173-2_9

Xiao, T. et al. (2025). Environmental impact and net-zero pathways for sustainable artificial intelligence servers in the USA. Nature Sustainability, 8(12), 1541–1553. DOI: 10.1038/s41893-025-01681-y

Yuan, X. et al. (2024). Promoting education for sustainable development through the green school program. International Journal of Chinese Education, 13(2). DOI: 10.1177/2212585X241259192

Zhou, R. K. (2024). From Education for a Sustainable Development to Ecological Civilization in China: A Just Transition? Social Inclusion, 12, Article 7421. DOI: 10.17645/si.7421

Zou, Y., Zhong, N., Chen, Z. & Zhao, W. (2024). Bridging digitalization and sustainability in universities: A Chinese green university initiative in the digital era. Journal of Cleaner Production, 467, 142924. DOI: 10.1016/j.jclepro.2024.142924

Указатель

A

академическая честность 7, 14, 15, 71, 173, 175

парадокс энергопотребления ИИ 183, 184, 193, 197, 199

этика ИИ 6, 37, 69, 75, 87, 144, 160, 166

ИИ в образовании 7, 10, 14, 18, 39, 48, 58, 59, 75, 78, 79, 98, 174, 182, 197

ИИ в высшем образовании 18, 19, 20, 77, 165, 181, 182

ИИ и рынок труда 115

грамотность в области ИИ 6, 7, 9, 11, 17, 18, 37, 65, 69, 70, 76, 123, 124, 143, 147, 148, 149, 151, 152, 153, 157, 158, 159, 160, 161, 162, 176, 178, 180

ИИ-поддержанное обучение языкам 59, 75, 78, 79, 84, 90, 170

альтернативное образование 115, 125, 129

B

Брюссельский эффект 7, 16, 17, 19, 20, 44, 56

C

углеродный след 184, 186, 189, 191, 192, 194, 197, 199, 200

ChatGPT 36, 58, 61, 64, 66, 67, 70, 71, 76, 77, 79, 80, 81, 99, 100, 106, 108, 112, 172, 173, 176

Китай 1, 2, 3, 4, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 38, 39, 42, 43, 44, 46, 48, 49, 50, 53, 54, 55, 56, 59, 61, 65, 70, 71, 74, 75, 76, 78, 79, 81, 104, 114, 115, 116, 117, 118, 119, 120, 121, 122, 124, 125, 127, 128, 129, 130, 133, 134, 135, 136, 138, 139, 140, 141, 143, 144, 145, 146, 147, 148, 149, 150, 151, 153, 154, 155, 156, 158, 159, 160, 161, 162, 163, 165, 166, 167, 168, 169, 171, 172, 173, 175, 176, 177, 178, 179, 180, 181, 182, 183, 185, 190, 191, 192, 193, 195, 196, 198, 199, 200, 201, 202

управление ИИ в Китае 6

цифровое образование Китая 148

образовательные технологии Китая 134

сравнительное образование 90, 116, 148

сравнительное исследование 20, 77, 78, 79, 182

компетентностное образование 114, 115, 180

тезис комплементарности 79

трансграничные потоки данных 39, 52, 55

D

дата-центры 127, 184, 185, 186, 193

DeepL 58, 60, 61, 66, 70, 76, 77

DigComp 2.2 142, 147, 148, 149, 156, 158, 159, 162, 188, 195, 199, 201

цифровая компетенция 30, 147, 148, 149, 153, 154, 157, 159, 160, 171, 197

цифровой разрыв 128, 142, 148, 149, 153, 154, 158, 161

цифровое образование 54, 78, 79, 115, 126, 135, 136, 137, 138, 147, 150, 153, 165, 183, 184, 185, 187, 188, 192, 193, 195, 196, 197, 198, 199

цифровая грамотность 128, 140, 144, 147, 148, 150, 151, 153, 155, 156, 157, 158, 159, 160, 162, 163, 180, 197

цифровые аборигены 148

цифровая умеренность 183, 184, 185, 187, 188, 189, 194, 196, 197, 198, 199

E

экологическая цивилизация 183, 184, 185, 190, 191, 192, 193, 195, 196, 199

Эду-Метавселенная 133, 134, 135, 136, 144, 146

Регламент ЕС об ИИ 6, 8, 11, 14, 17, 18, 48, 53, 69, 151, 158, 177, 178

сравнение ЕС и Китая 18, 39, 58, 165, 184, 199

европейские цифровые навыки 148

Европейский союз 2, 6, 7, 9, 19, 38, 39, 55, 76, 79, 96, 115, 116, 126, 130, 131, 134, 147, 149, 151, 161, 162, 181, 183, 185, 200, 201

европейские университеты 16, 40, 48, 50, 69, 119, 120, 133, 134, 167, 177, 187, 189, 195

европейско-китайское сравнение 115, 118

F

обучение иностранным языкам 78

G

GDPR 3, 20, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 156, 170, 178, 179, 182

поколение Z 148

политика генеративного ИИ 7, 165

зелёное цифровое образование 184, 192, 193, 194, 198

GreenComp 183, 184, 188, 190, 191, 195, 198, 199, 200

H

высшее образование 6, 7, 11, 13, 14, 15, 17, 19, 20, 38, 39, 40, 41, 47, 49, 51, 53, 55, 75, 99, 112, 116, 117, 121, 122, 133, 134, 135, 137, 138, 145, 146, 151, 167, 171, 172, 173, 174, 177, 181, 182, 183, 184, 185, 189, 191, 196, 198, 199, 201

взаимодействие человека и ИИ 78, 88

гибридное обучение 39, 165, 166, 171, 172, 181

I

иммерсивное обучение 134

L

обучение языкам 58, 76, 78, 79, 87, 92, 93, 95, 96, 162

учебная аналитика 38, 39, 40, 46, 47, 49, 52, 53, 54, 56, 167, 178, 179

обучение на протяжении жизни 115, 120, 122, 129, 131

M

машинный перевод 58, 59, 60, 63, 64, 65, 66, 67, 69, 73, 74, 75, 76

микроквалификации 114, 115, 116, 128, 131, 180

P

PIPL 3, 20, 38, 39, 40, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 156, 179, 182

постредактирование 58, 59, 62, 64, 67, 68, 69, 70, 72, 74, 76

конфиденциальность 13, 15, 18, 19, 39, 41, 43, 44, 46, 47, 50, 52, 53, 55, 56, 124

прокторинг 6, 7, 8, 9, 14, 15, 20, 38, 39, 41, 47, 48, 54

S

сенсорные модальности 78

умный кампус 165, 167, 168, 178, 180, 182

умные аудитории 134

платформа умного образования 134

отношение студентов 78

защита данных студентов 39

устойчивое развитие 27, 30, 157, 166, 183, 184, 185, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 202

T

переводческая грамотность 58, 65, 74

U

трансформация университета 165, 166, 181

V

виртуальная реальность 22, 133, 134, 145, 146, 166, 184

эффективность ВР 134

W

трансформация рабочей силы 115

X

XR 133, 134, 136, 137, 145